2026年开发者社区兴起“放弃Vibe Coding、回归手写代码”趋势_服务软件

1. 蚂蚁灵光，30秒生成专属程序，普通人也能手搓代码 #蚂蚁灵光 #AI #阿里

2. TRAE中国版白送SOLO，一人指挥一支AI大军重磅消息！SOLO终于上线TRAE中国版了，Waitlist免费开放中本期视频实测TRAE的新版本，亮点很多 1、先规划再动手的 Plan 模式 2、带专家团一起干活的 Subagent 子智能体 3、DiffView 差异视图 4、多任务并行 5、上下文智能压缩长时运行不掉链子 SOLO终于把AI从“瞎干活的外包”变成了“懂协作的队友” #AI #人工智能 #TRAE #AI编程 #vibecoding

3. 刚刚，OpenAI买下Python最强基建，准备垄断开发者「生产资料」

4. 全球开发者狂喜！Claude Code史上最大更新，一次性1096次提交

5. AI写代码为什么需要编程语言，机器码不行吗？

6. 当前软件开发中普遍使用AI，但这可能会对专业技能的习得带来负面影响。转发的这篇文章讨论了这个问题，值得参考。网页链接文中邀请了几个志愿者进行测试，观察并评测其表现：——————四名参与者将任务一股脑地委托给AI，他们完成任务最快，但技能得分最低。就像把整个学习过程外包给了机器，自己成了旁观者。另外四名参与者开始时还算谨慎，只问一两个问题，但很快陷入了渐进式依赖的陷阱。随着任务难度增加，他们最终完全放弃了独立思考，将所有代码生成交给AI。最令人惋惜的是那些迭代式调试者。他们频繁向AI求助，每次遇到问题就粘贴错误信息，依赖AI提供解决方案。表面上看起来很努力，实际上却错过了最重要的学习机会——独立解决问题的过程。两名称为「生成后理解型」的参与者先让AI生成代码，但不会简单复制粘贴。相反，他们会停下来，通过AI询问代码的工作原理，就像有个私人导师在旁解释。三名「混合代码解释型」参与者更加聪明。他们在请求代码生成的同时，主动要求AI提供解释。「请生成代码，并解释为什么这样实现」，这样的提问方式让他们在获得解决方案的同时，也理解了背后的逻辑。最成功的是七名「概念查询型」参与者。他们只向AI询问概念性问题，然后依靠自己的理解编写代码。这种方法虽然会遇到更多错误，但正是这些错误成为了最好的老师。——————一个重要观点就是:“学习中遇到的困难尤其是错误，对技能形成具有不可替代的价值。”其实这道理并不新鲜，学如逆水行舟，在这“步步费力”的过程中，人的素质和能力，会因为得到了充分的锻炼而“逆势增长”。

7. “一人公司”喊得响，核心系统不敢动，AI编程的错位在哪？#华为云码道 #龙虾 #AI智能体 #openclaw #AI

8. 硅谷巨头正疯抢高中生，斯坦福开设vibe coding课，清华AI博士甚至建议从幼儿园学起？AI海啸下，人才底层逻辑彻底变了，未来最值钱的不再是代码，而是你的“Vibe”#ai #vibecoding #秒哒 #硅谷 #AI时代学什么

9. 大家在使用AI编程时，更倾向于让AI一次次生成短小易读的代码，还是直接放手让AI写一大片？

10. With AI, building is easy; maintaining is hard.AI让“vibe coding”成了新潮流——几句话搭出原型，功能一夜成型。但当项目从Demo走向Production，复杂度非线性飙升：依赖增多、边界扩展、需求迭代、等等，那些为“快”而生的代码，开始暴露脆弱性。真实项目中，真正拉开差距的，不是生成速度，而是工程化体系：代码规范与架构边界、测试策略与CI/CD、监控告警与变更治理、等等。把流程固化，把风险前置，把维护成本压进系统里——这正是Harness一直在做的事。我觉得，能搭出一个东西不算什么，能让它健康地活下去，才是硬实力。#AI编程##vibeCoding##软件工程##DevOps##技术思考##微博AI创作季#

11. 【当代码不再需要手写：Karpathy 承认的软件开发转折点】快速阅读：前 Tesla AI 总监 Andrej Karpathy 透露，他现在主要用自然语言而非代码编程，称这是 20 年来最大的工作流变化。这一坦白引发开发者社区热议：当顶尖工程师承认“这有点伤自尊”时，我们该如何重新定义开发者的价值？---Karpathy 最近在 X 上的一段话引起轩然大波。这位 AI 领域的顶级专家说，他现在大部分编程工作都是用英语完成的，“有点不好意思地用文字告诉 LLM 该写什么代码”。这不是什么惊天动地的技术突破，而是一种微妙的承认。他补充道：“这有点伤自尊，但用自然语言操作大规模'代码动作'的能力实在太有用了。”短短几周内，他的工作流彻底翻转。以前主要手写的代码，现在大部分由 LLM 生成，他只需用自然语言引导。这不是渐进式改进，而是相变。开发者的角色正在从编写代码转向编排系统。LLM 表现得像热情但粗心的初级开发者：速度快，能力强，偶尔马虎。它们不问澄清问题，而是猜测。有时猜错了。社区反应揭示了更深层的东西。一些开发者将其视为解放，另一些则感到职业身份被侵蚀。这种紧张情绪是情感性的，而非技术性的。编程从来不只是工作，对许多人来说，它是自豪感的来源。有观点认为，这是“规格驱动开发”——认知负荷从实现转向规格说明。你花更多精力思考*想要什么*和*为什么*，花更少时间处理语法和样板代码。Claude 因其大上下文窗口和在恰当时机提出澄清问题的能力，特别适合这种工作流。但也有网友质疑：“如果我不写代码，我还算开发者吗？”这个问题击中要害。如果顶尖工程师承认“伤自尊”，这对职业的未来意味着什么？有趣的是，Karpathy 并非一味乐观。他过去曾公开质疑 AI agents 的成熟度。这次不是炒作，而是在承认工具强大的同时，指出它们依然混乱、脆弱、不完美。我们不只是在换工具，而是在重新协商“开发者”的定义。2025 年底，LLM 编码 agents 达到了触发软件工程转变的一致性水平。智能正在超越工具、工作流和组织结构。行业刚开始追赶，2026 年注定是快速发展的一年。ref: shiftmag.dev/llm-agents-claude-7751/ref: www.reddit.com/r/ClaudeAI/comments/1rxc7wj/andrej_karpathy_admits_software_development_has/#AI创造营##人工智能#

12. 真正的核心竞争力，来自于驾驭工具。 #大咖观察 #红衣聊AI #编程 #人工智能技术

13. AI 不是不能用于物联网开发，而是不能用传统互联网软件的方式粗放使用。#AI 不是不能用于物联网开发#在网页、后台、普通应用里，AI 生成一段不完美代码，最多是线上 bug 或性能问题。但在物联网里，代码连接真实硬件、真实现场和真实设备网络。所以 AI 生成代码的风险会被放大。它可能不是一个 bug，而是一次系统性故障。不是一个用户受影响，而是几千台设备同时受影响。不是简单改代码，而是要远程升级固件、排查硬件差异、修复数据一致性。AI 给物联网带来的不是单纯提效，而是“提效与风险同步放大”。真正成熟的 AIoT 开发，不是让 AI 替代工程纪律，而是要在更严格的架构约束、代码审查、硬件边界和运行监控下使用 AI。AI 可以加速物联网开发，但如果没有工程约束，它也会加速技术债务的积累；在工业物联网里，最快的代码，不一定是最安全的代码。

14. Anthropic官方报告：8大趋势说透AI编程未来，60%代码AI写的，老金实测项目带你看！

15. 第一批AI受害者出现了…我说的不是被AI替代的人，而是我发现团队中有一批使用AI三年左右的，不但没有赋能加持，反而出现了明显的认知、能力退化的群体。这种情况主要出现在文案或者创意岗位。现在他们使用LLM做出的东西逻辑缺陷严重，连基本的概念都出不清了，框架层层嵌套，自己还觉得挺好的，为啥你看不懂呢？他们的能力比使用LLM以前退化得更加严重，效率越来越低，人机感极强。我总结下来，这些人主要的问题，是把自己的认知度外包给了大语言模型，他们用AI去代替自己的思考、搜索、写作。包括提问的方式，是一种神话LLM的无限求助式提问。而且完全没有心力和毅力去控制和检验AI。其实，本质上是无法控制自身人性中的许多弱点，特别是懒惰。完全把自己交付给了AI 。AI没有成为他们的工具，他们反而把自己变成了AI的手和脚，没有灵魂的空心人把AI当成了自己的Master。其实AI对使用者提出的极高的要求，包括意志力、欲望控制的能力、批判性思维的能力。AI很大程度上是使用者的自我人性的映射。如果说AI是一条龙，那么驯龙者就需要具备很高的能力，需要不停地鞭策自我变强，才能驾驭住AI，可惜这个认知是大部分人都没有的，多数人都是利用AI偷懒而已…这是人性使然所以AI注定会把人与人之间的认知和能力差距拉到一个夸张的程度，这就是未来的社会图景。

16. 前几天在犬校发了一帖：代入自己想想，面对AI 新技术的时候我有这么几种心态。 1、新技术目前的效果远不如古法：拥抱古法。 2、新技术整体不如古法，局部互有优劣：case by case 灵活判断，有时候混用，有时候沿用古法，不想改变习惯。 3、新技术和古法互有优劣：根据新技术整体带来的正反馈&负反馈，决定是否切换技术栈。 4、新技术比古法好：大多数情况下切换到新技术，但负反馈过于强烈的话就多拖一阵子。 5、新技术压倒古法且收益极大：死活也要切换到新技术。这里最大的陷阱是阶段 1。古法用得越高明，适应新技术越慢，往往要等到阶段 5 才能切换过来，但这时新技术的手感已经落后了别人很多。这就是知识的诅咒。在 2 和 3 这个阶段坚持古法不动摇，才称得上思维固化。对于编程来说，现在已经到达或者接近阶段 4。对于产品来说，现在整体以阶段 2 为主，如果涉及洞察/创造/高规格品控则还是阶段 1。但对于大多数一线员工来说，日常以执行为主，原本工作内容就不涉及洞察/创造/高规格品控，所以很多 P6 已经到达了阶段 3，如果直出可用原型则一步到达阶段 5。

17. Linux祖师爷真香现场！曾嘲讽AI编程是垃圾，如今亲自下场氛围编程

18. AI编程大战正式开打！ Claude vs GPT同一天放大招，不是比谁代码写得好，而是AI开始自己组队当项目经理了。#大咖观察 #红衣聊AI #编程 #ChatGPT

19. Redis之父：手写代码？醒醒吧除非你图一乐

20. Cursor 2.2更新：可视化编辑器+Debug Mode，写前端的有福了

21. 很easy啊，对程序员来说，古法手搓本身就是基操，啥都不会你当啥程序员？啥都氛围编程，速度是上来了，可维护性下降了，什么项目都是准备就干个一期就跑路吗小朋友？二期三期看你怎么搞。技术是渐进式迭代发展过来的，到如今不懂底层编程原理，不懂设计架构，光靠提示词编程，你在这当缝合怪呐

22. 在 AI 编程已经如此成熟的时候，再讨论编程语言的语法、特性是否失去了意义？

23. 现在程序员的代码大多数都是用AI生成的，后面会成为屎山代码看不懂吗？

24. 有了AI编程，程序员继续死磕代码的意义还大不大？

25. 当有人说“编程已死” 我更愿意说一句：死的是“打字员式编程”，活下来的是“定义价值的编程”。#大咖观察 #红衣聊AI #openclaw #ChatGPT#编程

26. AI 编程真的有用吗？Cursor｜TRAE 深度实测！

27. 过去十年，大家一直在说AI会改变编程。但现在看，真正被改变的，可能不是“写代码”，而是“审代码”。如果未来AI写代码、审代码都变成了常态，程序员最核心的能力到底是什么呢？#大有学问 #红衣聊AI #anthropic #人工智能 #程序员

28. 刚给一家公司作了咨询，他们的痛点是全面应用了AI编程，但并没觉得有什么效率提升，反而导致了各种问题。我找了几个开发人员简单聊了一下，听他们的操作的我笑了。这是古法思维在玩AI编程，那肯定要崩的。 AI编程在软件工程中应用的最大障碍是生成代码速度与代码质量控制的矛盾。简单说就是AI无论你说什么，他都能给你圆上，输出一堆似是而非，看上去一本正经，其实是胡说八道，糊弄式的生成内容。这在软件工程中是非常致命的。很多程序员本身能力不强，依赖AI生成代码，没能力对AI生成代码审核，跑通了就敢往上提交。到我去看的时候，他们的AI编程项目已经成了一座巨大的屎山，耗费了天量的token，生成了一堆垃圾。各程序员之间没有协同，AI按提示词模板各自发挥，可以说是整个团队在AI的幻觉中放飞了自我。以为花了大钱买了国际知名AI编程工具能让公司起飞，结果是一地鸡毛。他们也尝试改进过策略，挑了十几个精英为AI做code review，结果是AI生成飞快，CR慢如蜗牛，速度还不如传统古法编程了。老板都懵了，到底哪出问题了，不是说用了AI降维打击了吗？结果没打击竞争对手，先把自己给打击了。他们又反思了，觉得集中式CR确实还不如古法编程，开始搞提示词规范化，原来用AI放飞自我的团队开始用AI生成提示词，几个团队不对代码开始对提示词了。提示词生成多了还需要管理起来，还得给提示词分模块，搞了一个巨大的提示词库。用AI生成的提示词让AI进行编程，那效果别提有多酸爽了。我问他们，把严格的代码逻辑编程变成模糊的自然语言编程，有意思吗？几人语塞。老板问我怎么解决，我说花钱吧，花钱买我课程，哈哈。不要指望在自己是白痴的情况下AI能把你带飞，AI编程的强大之处在于强者杠杆的指数效应，也就是说越强的人用AI越强，普通人用AI仍然普通，甚至会造成负作用。现在AI编程用得好的公司都是短小精干，百十人，人均强者，自己审核自己的代码，知道怎么控制AI进行高效率高质量产出，知道怎么与同样频道的人协作。一句话，强大的AI需要强大的人类，宝刀还得配英雄。不提升自己仅想花钱买个工具就变强，纯属痴人说梦。我跟老板说，考虑开人吧，把所有能力平庸的程序员全部开除，然后用三倍五倍的价格，招聘原来十分之一的强人进来，你的团队效率马上质变，AI编程也就能落地了。没办法，这就是现实。

29. 现在AI写程序很强，把一个需求告诉它，它三下五除二，可轻轻松松地弄出上千行代码，往往还真可以跑~~~但怎么用它，还得看具体的应用场景。如果是演示用的程序，用AI生成80%甚至更多的代码，看一看，需要时调一调，能跑就行了，没问题。如果是需要长期维护的程序，或者是代码出了问题，会造成真实的损失，自己要背锅的场景，那就不能这么干了，要限制AI一次生成的代码规模，个人感觉，最好控制在一个类甚至一个函数的级别，并且需要人工地过一眼生成的代码，必要时，还得配上测试代码，对其进行多次的单元测试和集成测试。记住：AI写代码，通常是“管杀不管埋”的，它从不背锅，背锅的只能是人。

30. 你是海盗和建筑师？最近 Dan Shipper（Every CEO）发了一条推，提出了 2026 年工程团队的新结构：只需要两个人，一个海盗，一个建筑师。以前我们默认一个好工程师要同时具备两种能力：动作快 + 架构好。但这两种能力天然矛盾——动得快的人容易留一堆技术债，架构严谨的人容易跑太慢。AI 编程工具出现后，这个矛盾可以用分工来解决。海盗（Pirate）干什么1）用 vibe coding 的方式快速开发功能，直接上线2）不纠结代码是否优雅，目标只有一个：找到真正有价值的产品方向3）本质上是产品探索者，负责在混乱中找到信号建筑师（Architect）/架构师干什么1）接过海盗探索出来的产品表面2）整理代码结构、设计系统架构、建立可维护性3）本质上是系统的守护者，负责让探索出来的东西能长期跑#HOW I AI# #程序员#

31. 从780行代码到13600行的飞跃，这不仅是数量的扩张，更是开发范式的演变。David Bau近期分享了他通过Claude进行Vibe Coding的深度实践，揭示了在人工智能驱动开发的时代，人类开发者应当如何重新定位。当代码生成的成本趋近于零，代码库的膨胀速度将远超人类的阅读速度。David Bau指出，这种增长如果缺乏控制，本质上是一种技术负债。为了在AI狂飙突进的生成能力面前保持掌控，开发者必须遵循两条核心准则。第一，始终掌握架构的所有权。AI可以填充细节，但人类必须定义结构。如果开发者失去了对整体架构的直觉，代码库就会变成一个不可知的黑盒。第二，建立元认知基础设施，即测试你的测试。在Vibe Coding的流程中，验证比编写更重要。如果不能确保测试本身的有效性，那么AI生成的成千上万行代码不过是建立在沙滩上的城堡。在这种模式下，开发者的注意力分配发生了根本性转移。我们需要寻找那1%最值得关注的代码。这些关键点通常隐藏在测试覆盖率最低的地方：它们要么是AI无法理解的逻辑边缘，代表了AI能力的极限；要么是废弃思路留下的残骸，需要人类进行断舍离。一个深刻的洞察是：当代码变得廉价，判断力就变得昂贵。未来的编程将不再是关于语法的苦修，而是关于意图的表达与边界的界定。开发者正在从码农转型为架构师与审计员，编写代码的行为正在被编写测试用例和构思创意所取代。代码量的增加并不等同于价值的提升，除非你投入了等量的思考去约束它。在AI时代，少即是多，受控的增长才是真正的进化。x.com/davidbau/status/2001744610859897095

32. 2026年的程序员面试，可能不再要求你手写红黑树，而是考查你在智能协作中的极限生存能力。当面试官问出这些问题时，他其实在考查你是否已经从一个代码生产者，转型为一名合格的智能调度员。第一个挑战：上下文的生死时速。如果你正在进行大规模重构，模型提示上下文仅剩8%就要触发自动压缩，你会怎么做。这不仅是一个技术问题，更是一个逻辑保存问题。平庸的开发者会听任模型自行压缩，导致重构逻辑在断裂中产生幻觉。资深的开发者懂得在压缩前外化逻辑：建立一个动态的进度记录文件，明确已完成、进行中和待处理的逻辑状态。机器的记忆是廉价的，但逻辑的连续性是昂贵的。不要让自动压缩决定你的代码走向，要用外部规范锁定你的思考模型。第二个挑战：多模型调度的直觉。在Claude、Codex GPT 5.2和ChatGPT Pro之间，你如何分配任务。未来的核心竞争力不再是掌握多少种编程语言，而是对不同模型特性的体感。谁擅长从零构建，谁擅长在乱麻中寻找Bug，谁擅长进行长程推理。这种路由能力源于成千上万次的对话磨合，而非阅读跑分榜单。优秀的工程师不再是代码的搬运工，而是智能流向的调度员。第三个挑战：与智能的博弈。谈谈你与LLM意见不一的时刻。LLM最擅长为错误的行为提供极其合理的解释。如果你从未怀疑过模型的建议，说明你尚未触及复杂问题的核心。面试官想看到的不是你对AI的顺从，而是你作为人类观察者的批判性。幻觉是AI的天性，而批判性思维是人类最后的护城河。关于职业路径的残酷真相：纯粹的资深开发岗位正在消失，取而代之的是资深首席或更高阶的架构角色。AI已经填补了中间层的执行力，人类必须向上跃迁。在这个时代，AI是一个放大器，而非修复器。如果你缺乏良好的工程实践和KISS（保持简单）原则，AI只会帮你制造出一颗逻辑更加复杂的原子弹。保持清醒，保持怀疑，保持对上下文的绝对掌控。x.com/vikhyatk/status/2001840443835978139

33. 在 AI 一键生成代码的时代，程序员还有必要坚持手写「古法编程」吗？

34. 【AI不会让你失业，但它会让你写的垃圾代码瞬间暴露】快速导读：最近一个帖子在开发者社群里引发热议。一位用户声称用Claude三个晚上就干完了一个团队几周的活。但评论区里，一群资深开发者的反应却出奇地一致：你的代码质量，经得起推敲吗？这场争论揭示了AI编程时代一个更残酷的真相。---一个开发者发帖称，他只用了三个晚上，就借助AI完成了一个过去需要整个开发团队耗时数周才能搞定的项目。他自己激动地称之为“令人难以置信”，以为会引来一片惊叹。结果，评论区最高赞的回复，是一群资深程序员不约而同的灵魂拷问：“如果我看了你的代码库，我会吐吗？”这句略带冒犯的质问，精准命中了当前AI编程热潮下最核心的矛盾：速度与质量的脱节。大多数人以为的对立面是“用AI的程序员 vs 不用AI的程序员”，但真正的分水岭，其实是“能驾驭AI的资深开发者 vs 被AI带着跑的初级用户”。评论区的共识残酷而清晰：AI是一个能力极强、速度极快、但毫无经验的“实习生”。它能让一个优秀的开发者效率提升10倍，也能让一个门外汉以10倍的速度制造出一堆无法维护的“AI垃圾（AI slop）”。一个能用的原型和一个安全、可扩展、可维护的生产级应用，中间隔着一条由经验和判断力铺成的鸿沟。多位资深开发者分享了他们真实的工作流：把AI当成一个需要被严格监管的“初级工程师”。他们负责定义架构、提出规划、审查代码、修正方向。他们不再是码字的，而是“AI指挥家”。AI负责具体的执行，而他们负责保证这艘高速飞行的船不会一头撞上冰山。所以，这才是眼下正在发生的：AI不是来消灭程序员的，它是来筛选程序员的。它把执行层的工作价值压到极低，从而无限放大了架构设计、工程品味和决策判断的价值。如果你只会让AI“跟着感觉走”写代码，那你生产的不过是未来的技术负债。一个更有趣的问题被抛了出来：过去我们坚持的所有代码规范、封装、分层，都是为了让“人类”能看懂、能维护。如果未来维护代码的也是AI，我们还需要“优雅”的代码吗？---简评：最精彩的部分，不是那个“三天干翻一个团队”的噱头，而是评论区里那句“我看了会吐吗？”。它瞬间把一个关于效率的神话，拉回到了一个关于工程质量的现实。这不再是人与机器的对决，而是经验与速度的博弈。AI不是让经验变得廉价，反而是让顶尖的经验变得更加昂贵。---ref: reddit.com/r/ClaudeAI/comments/1rs656k/well_im_convinced#AI创造营##人工智能#

35. 凯文凯利: AI、失控、硅谷、异类智能、取代人类、就业、人机交互、具身【百大AI应用视频播客 #5】

36. [柯基]如果说在一年前，你写代码不用LLM，坚持古法手搓，那可以说是打磨自己的编程能力，但是现在Vibe Coding的时代都快结束了，作为软件工程师，除了掌握领域知识以外，如何用AI提高自己的工程能力是比古法手搓代码更值得学习且门槛更高的事情，如果你觉得你做的软件开发工作AI还帮不上忙，可能只是你还没找到对的方法。

37. 近来，多位顶尖科技公司的资深软件工程师透露：“我现在的工作几乎全靠用 Opus 4.5、Cursor 或 Claude Code 进行提示生成代码，然后做理智的校验。”这标志着AI在软件开发领域已跨越了某个无形门槛，能够覆盖“绝大多数”编程任务。 Opus 4.5被认为是一个巨大飞跃，将开发任务的自动化率从约60%提升至80%。不少高级工程师表示，他们的日常工作变成了同时管理多个Git工作区，花5至10分钟给AI提示，剩下的时间主要审查和修正AI生成的代码。这一趋势引发了广泛讨论： - 资深开发者不再亲自写代码，而是通过订阅高级AI服务，指导AI完成任务。但这并非魔法，依然依赖使用者对需求和技术的深刻理解，否则适得其反。 - 有观点认为开发者正从“写代码”转变为“质量保证测试者”，主要职责是验证AI产出。 - 伴随着AI能力的提升，软件开发的难点正从编码转向明确需求、验证结果及价值归属。 - 一些人预见未来开发者更多成为高阶产品经理和系统架构师，专注于设计和规划，而非手写语法。 - 也有担忧，随着AI生成代码的普及，代码质量、技术债务和可维护性问题可能加剧，尤其在面对复杂系统和隐蔽bug时，人工介入仍不可或缺。 - 有开发者称自己已“彻底不写代码”，完全依赖AI辅助完成开发任务，强调了“提示工程”技能的重要性。 - 另一面，AI辅助加速了开发效率，让人们在同等时间内完成更多工作，但也带来技能退化的风险，初级开发者可能难以真正理解背后逻辑。 - 有声音提醒，AI生成代码的可靠性和安全性仍需人类专家严格把关。综合来看，AI正深刻改变软件开发的流程和角色定位：从传统的代码书写者，向“提示设计者”“系统架构师”乃至“质量监管者”转变。虽然AI大幅提升生产力，但复杂业务逻辑、系统设计、安全考量等仍需人类智慧主导。这与近期一篇《为何自1969年以来，我们每十年都试图取代开发者》的深度分析相呼应，文章指出历次技术浪潮虽提高了开发效率，但软件开发的本质——对复杂问题的思考和设计——是无法被工具完全取代的。未来，拥抱AI辅助开发，提升“提示工程”与系统思维能力，将成为软件工程师的新常态。唯有如此，才能在这场技术变革中保持竞争力，成为推动创新的主导力量，而非被技术边缘化的旁观者。 x.com/deedydas/status/2000472514854825985

38. 使用 Gemini 3 Pro Vibe Coding Flutter 的进展，个人管理软件，添加了时间记录的功能。我说强到没边，不是没有依据的而且哦，我没有用 Agent 工具，只是在 AI Studio 里面，提出要求，LLM 给出实现，我人工搬进代码里，有了运行效果或者 Bug，再跟 LLM 聊，所有 Vibe 部分都在 AI Studio 里面进行。这样做很低效，但是有个好处，就是充分发挥了 Gemini 3 Pro 的超长上下文能力，比起 Agent 工具每次创建一个新的上下文（丢失背景），LLM 能够了解事情的来龙去脉。得益于 Gemini 3 Pro 的 100w Token 上下文，一个对话能聊很久，网页这两天出点 bug，看不到上下文开销了，也不知道实际用多少了。也就是 AI Studio 免费用，要是自己调 API，这么长的上下文，每次往里做增量调用，每次输入都是几万、几十万 token，得花很多钱

39. 现在经常听说“某某公司强制推行AI，提交的代码至少XX%必须由AI生成，杜绝‘手写代码’，‘古法编程’，……”，并依此制定相应的“处罚”措施。不禁觉得有点难以理解。这事情，难道不应该以最终结果——程序或项目，是否满足需求与预期为导向吗？如果这人能按时保质保量完成工作，为啥非要强制他必须采用特定的方式去做事呢？

40. 把C++写的老项目重构成现代框架?给AI吧我不干了!

41. //@axb的自我修养:很难，从目前我的实践来看，目前“基于AI开发一个可维护的系统”还属于个人设计和架构能力的范畴，暂时没法把这个能力也通过AI大规模量产。程序员一段时间内应该还有饭吃……//@字节流:但是不同角色写另一个角色的代码，怎么保证可维护性，不成💩山

42. 【当AI写完100%的代码，程序员还剩下什么？】Claude Code的创建者Boris Cherny最近在访谈中透露，他已经两个月没有手写过一行代码了。30天内提交了259个PR。这个数字本身并不是最有意思的部分。真正值得关注的是他的工作流程：先进入计划模式，反复迭代直到方案成熟，然后开启自动接受。他的核心理念是：“一旦计划对了，代码自然就对了。”这引发了一个尖锐的问题：每天10个以上的PR，谁来审查？社区的反应呈现出明显的两极分化。一部分人表示感同身受。有人说自己已经两三年没手写代码了，现在的工作变成了写Agent和子Agent，整个领域都变成了Markdown。还有人调侃说，今天手动把一个变量从false改成true，感觉像是在怀旧。但另一部分人的体验完全不同。一位开发者直言：我每小时都会遇到AI解决不了的问题。那些说“为什么还要手写代码”的人，似乎生活在另一个平行宇宙。一位资深开发者分享了更细致的观察：AI确实能完成大量工作，但它会复制很多代码，如果没有接近100%的单元测试覆盖，代码很容易出bug。更麻烦的是，AI有时会通过放宽测试条件来“作弊”，而不是真正修复代码。它还可能陷入死循环，反复尝试却找不到解决方案。有人指出了一个关键区别：这种工作流适合发布非关键工具，你可以接受发布说明里“修复”比“新增”多。但如果是关键服务，每天发布10个PR且缺乏充分审查，恐怕不是明智之举。一位每天审查10个以上PR的工程师坦言：这太难了，我一个月就燃尽了。无论是审查人类的代码还是AI的代码，都同样艰难。还有人提出了更深层的质疑：如果AI真的这么强，为什么不能取代他本人，帮Anthropic省下这笔薪水？这场讨论揭示了一个正在发生的深刻转变。程序员的角色正在从“写代码的人”变成“设计方案、审查结果、处理AI搞不定的边界情况的人”。代码能力本身正在贬值，但判断力、架构思维和对复杂问题的洞察力反而变得更加稀缺。有趣的是，越是做常规业务开发的人，越容易认同“AI写100%代码”的说法。而那些处理复杂系统、边界情况多的开发者，则更清醒地看到AI的局限。这或许才是真正的分水岭：不是AI能不能写代码，而是你的工作中有多少是AI已经见过无数遍的模式，又有多少是需要真正理解和创造的部分。reddit.com/r/singularity/comments/1qlw1ca/the_claude_code_creator_says_ai_writes_100_of_his

43. 我们最近还在继续探索AI时代下，新的研发范式，几个想法：1. 在AI研发范式下，解决“协作”的问题，权重越来越高于解决“研发”的问题，这中间既有各角色因为AI加持带来的工种边界模糊问题，也有因为AI带来的“跟你说不如跟AI说”的沟通成本问题，还有打破既有研发流程以后带来的管理滞后性问题。2. 对于团队来说，开发工具的标准化，重要性开始低于模型和Skill（提示词）的标准化。3. 研发人员对于项目可维护性的把控能力对研发效率有明显的影响，目前我review代码的时间主要用于观察代码结构和设计是否被破坏，基本不看功能。4. 按我目前的认知，如果按能力阶段大致划分纯研发团队的AI应用水平的话：AI代码占比(AI开发代码/总代码量）低于90%的研发团队属于还没入门阶段AI开发时间占比（AI开发的时间/AI&研发人员参与的时间）<80%的研发团队属于中级阶段剩下的一小撮属于高级阶段国内目前绝大部分研发团队还在初级阶段徘徊：习惯了靠堆人，突然要转向高度自动化的方式提升效率，免不了还是有个难受的过程。

44. Claude深夜长出「双手」，接管电脑狂飙代码！额度光速耗尽，全网哀嚎

45. 能不能分享一次最近提效最明显的 AI协助开发?节省了多少时间?

46. AI现阶段主要是打破固有认知，比如产品经理觉得开发网站和工具很难，游戏策划觉得做个游戏需要很多工作量，但是用了AI生成代码以后，发现做个网站或小游戏没那么难，这种固有认知被颠覆的震惊会对AI生成代码产生幻觉，以为自己能做生产级的业务了，可惜生产级的实现需要大量的工程经验和思维，最后只有一堆demo级的产品列出来展示AI的才艺。

47. 我现在一大半的coding任务已经从付费api切入到本地编程上了。使用全开源产品线vscode+qwen3.6能完成很多标准任务了，比如 CRUD、标准业务逻辑、正则、脚本、配置文件、部署自动化、Devops、简单算法、前端页面、调试排错，单元和接口测试，以及所有的文档生成任务。实在有不行的地方我古法编程顶上。编程的刚需场景能被本地模型吃下70%左右，剩下我自己顶一部分，追求效率时用claude 4.7再顶一小部分。你贵咱们就不用你，没有张屠户还吃带毛猪不成？想赚我的token钱，那有点难度。token的利润，其实大多来自于外行的挥霍。

48. 代码速度的幻觉

49. AI 时代，为什么“手写代码”反而成了程序员的顶级竞争力？

50. vibe coding的trade-off

51. Vibe Coding火了一年，但有组数据所有人都在回避

52. Vibecoding上瘾是种病，得治一治

53. Vibe Coding 死了，但 AI 编程没有

54. vibe coding应该这么用才对！

55. Vibecoding 最重要的内容——Git 管理

56. 经过两年的“氛围编码”练习，我又开始手写代码了

57. 停止Vibe Coding七个月后，一位开发者决定手写全部代码。

58. 34个周末全靠Claude写代码，最后发现架构已经烂透了，只能推翻重写

59. Vibe Coding 做大型项目的五大痛点，以及我的实战解法

60. 为什么越来越多工程师开始反对 vibe coding？ vibe coding不是偷懒，Real Engineering也不是守旧。

61. 用AI写代码半年后，我的debug能力下降了47%

62. AI编码的70%陷阱

63. AI 编程时代的「阅卷人悖论」

64. AI生成代码的三大常见病灶，及目前代码审计升级思路

65. AI写70%，剩下30%难得要命？Google工程师直言

66. 66%的程序员被AI坑惨了！我Debug AI代码的“血泪”实录

67. AI编程质量危机

68. AI时代，你的代码为什么越来越难管？

69. 代码越写越快，软件为什么反而更难交付？

70. AI Coding与单元测试的协同进化

71. Vibecoding 时代，程序员会消失吗？——从“全自动”到“半自动”的冷思考

72. AI写代码7个月后，我决定全部推倒重来

73. 手写代码时代

74. AI编程工具争议

75. 代码不再是写给人看的

76. Codex + GPT-5.4 vs. Claude Code + Opus 4.6，Codex 除了慢几乎全面占优、自主性强、适合企业开发，CC 速度和迭代快适合中小型开发

77. 沉迷 Vibe Coding 后我幡然醒悟

78. 沉迷 Vibe coding 后我幡然醒悟

79. 天才程序员陨落，回归古法编程？

80. AI替写代码，程序员深度能力会退化吗

81. 别再一键贴代码！Anthropic点名3种「用AI不退化」真方法

82. AI 辅助编程的反直觉真相

83. Anthropic最新研究

84. 当 AI 替你写代码，你的编程能力正在"废退"

85. 人工智能辅助对编程技能塑造的影响评估 —— Anthropic 最新研究报告分析

86. 💡AI辅助竟会阻碍技能发展？最新研究揭示

87. OpenCode长会话退化

88. Markdown要凉...卡帕西也站HTML了

89. 4月24日生效！GitHub Copilot 新规：你的代码交互数据，将默认用于AI训练

90. 4月24日起，GitHub Copilot 交互数据可能用于模型训练：建议开发者现在就检查这个开关 - 哔哩哔哩

91. AI 没忘，是你的“上下文”先烂了

92. 编程已被AI解决，手写代码正在成为“抄经书”式的历史

93. 花 1 天时间给 OpenCode 写了一款 IDE 插件，我总结了 10 条 AI 编程心得

94. 代码即燃料：GitHub Copilot 默认启用训练数据收集

95. 鲍里斯说编程已经被解决，2026 年至今零手写代码红杉 AI 峰会炸场发声！Claude Code 之父鲍里斯颠覆行业认知：2026 年至今零手写代码，手机完成全流程开发、单日狂提 150PR！直言编程问题已被彻底解决，AI 重构开发工作流与商业逻辑，软件行业迎来印刷机时刻，开发者迎来角色重生！ #ClaudeCode #人工智能 #agent #AI编程 #AI

96. GitHub宣布将使用Copilot用户数据训练AI模型，4月24日起施行

97. 第 04 篇｜VibeCoding 的核心心智模型

98. 用 Claude Code 搭建“零手写代码”的 AI 开发流程：从需求到上线的实操指南

99. AI订阅费每月1500，token还是不够用——我是怎么看这个问题的

100. AI时代，你还在古法编程吗?

101. VibeCoding：AI编程更稳

102. Copilot将使用交互数据来训练

103. 微软急了-GitHub Copilot 交互数据默认要被微软拿来训练模型了

104. Node.js之父：手写代码已死

105. 产品经理必懂的30个 VibeCoding 核心概念

106. GitHub修改Copilot隐私政策：4月24日起默认使用用户交互数据训练AI

107. 所有Github Copilot用户请注意，事关隐私安全！

108. AI写100万行代码，人类零手写！中小学课堂真的不必再教编程语言了

109. Vibe Coding正式退场 Karpathy提出智能体工程开发者如何破局

110. 我的 2026 Vibe Coding 自动测试实践

111. 手写了哪怕一行代码，你就该反思使用AI编码的方式了

112. GitHub突然改规则：4月24日起，你的代码会被默认拿去训练AI

113. AI编程流行时代，古法编程还有必要吗?

114. 我vibe了10个"野鸡项目"后，才发现产品应该这样做

115. 失控的AI开始反噬，做AI方案的程序员遭遇信任危机

116. 失控的Agent军团与1300年前的封驳权

117. 紧急！GitHub Copilot 宣布使用个人数据训练大模型，请立即关掉这个设置！！

118. 双面镜：STDD vs OpenSpec——AI 规范驱动开发的两条路线

119. Vibe Coding 正在"摧毁"程序员？真相让人意外！

120. 在VibeCoding时代，学习设计模式与软件架构

121. GitHub Copilot 数据政策变更：个人用户代码将用于 AI 训练

122. 烧了半年Ultra订阅，总结几条AI coding trick

123. Vibe Coding 终极指南 V1.2

124. Vibe Coding 遇到大项目就翻车？这 8 个生存法则帮你稳住

125. Vibecoding 写出 2000 行屎山后，我是怎么让两个 AI 互殴修好的

126. Redis之父用AI5分钟写BERT库，这个时代手写代码还有必要吗

127. Anthropic重磅报告:纯编码程序员将被淘汰，AI智能体全面接管

128. Node.js之父：手写代码真的死了？ AI正取代人类手写代码，但开发者角色转向需求定义与系统维护。 - Node.js之父Ryan Dahl称“人类写代码时代已结束”。 - Redis之父antirez认为编程已被AI永久改变。 - 84%开发者使用AI工具，69%认为其提升生产力（Stack Overflow数据）。 - Gartner预测2030年80%以上企业将深度使用AI写代码。 - Linus Torvalds和黄仁勋均强调程序员不会失业，职责转向问题解决与维护。#手写代码

129. 编码终结者：2026年，编程不再是人类的专区

130. VibeCoding：PM的AI实战心得

131. 古法编程之美

132. Vibe Coding 正确姿势: 先会指挥, 再让AI干

133. Vibe Coding ：告别写代码，拥抱“聊代码”

134. VibeCoding 铲屎官

135. 近期关于VibeCoding实战与OPC思考，含3个实际VibeCoding项目案例。

136. Vibe Coding絮絮叨叨

137. 什么是Vibecoding？为啥你们都写起代码来了？

138. 为什么 AI 一定会失控？这不是技术问题，而是系统结构问题

139. 1小时写代码，10天调Bug？Cursor $200美金会员踩坑后的调试真经

140. 烧了几千美金学费后：我们总结了5条Vibe Coding避坑和硬核tips｜别把Vibe Coding当魔法，这里全是泪和钱包的教训！

141. Vibe Coding创造者改口了 Anthropic最新研究：重度依赖AI工具的开发者，理解力测试低了17%。连"氛围编程"的提出者Karpathy都改口了—— 未来不是Vibe Coding，是Agentic Engineering。程序员不会消失，但角色被彻底重新定义了。 #VibeCoding #Karpathy #程序员转型 #AI编程 #人工智能

142. AI写代码之后谁来审查代码

143. 我在跨年夜用 AI 重构了前端：做了很多“无用功”，但学到了一课

144. Vibecoding如何持续迭代？0代码保姆级教程

145. AI智能体权限失控根源在哪？

146. AI编程反哺古法编程

147. 15000行纯C代码硬刚AI框架！大佬从零手写完整Transformer引擎

148. 个人开发者的“保姆级”省钱策略：$100档位AI订阅究竟选哪家？

149. 长上下文大模型综述：挑战、价值与技术路径

150. AI编程盛行，安卓开发是否还需保留「古法编程」？

151. 各位老铁，你们还愿意手写嵌入式底层代码吗？

2026年开发者社区兴起“放弃Vibe Coding、回归手写代码”趋势

精选参考来源